一种利用形态相似性的水稻信息提取算法
发布时间：2021-08-15 10:09
针对一般相似性算法对曲线形态欠缺考虑或形态敏感性较差的问题,提出了一种新的曲线形态相似性度量算法。使用该算法计算未知像元NDVI时序曲线与标准NDVI时序曲线的相似性,并基于特征曲线的相似性实现地物的识别。算法通过特征距离加权,对曲线偏移距离进行了差异性放大,相较于欧式距离、动态时间弯曲距离等,提高了对曲线形态的敏感性,降低了算法的复杂性。对该算法的有效性检验显示,5种地物用户精度平均为98%,制图精度平均为92%,表现了较高的可靠性。基于该方法对仙桃市2005—2015年间的水稻种植信息提取。结果显示,该区域单季稻分布基本稳定,总体制图精度为93.29%,总体面积精度为80.57%,达到较高水平。
【文章来源】：遥感信息. 2020,35(02)北大核心CSCD
【文章页数】：11 页
【部分图文】：
经验模态分解示意图
对每种地物样本NDVI时序数据进行异常值剔除，之后进行取平均操作，获取5种地表覆被类型标准NDVI曲线如图2所示。分析发现，单季稻和双季稻所在耕地均为一年两季耕作模式，一年中会有2个时期为作物生长旺盛期，此阶段NDVI值最大，因而其NDVI时序曲线存在2个波峰；而由于森林的生长不同于作物的种植，其生长期较长，受人类活动影响较小，因此在一年中仅存在一个阶段为生长旺盛期，且该阶段较长，因此其NDVI时序曲线仅存在一个波峰，与作物差异明显，并且森林的NDVI值长期处于高值；相较于作物与森林，城镇和水域在时间上的光谱响应最为迟钝，其光谱响应的敏感程度较低，基本仅与光强的大小成正相关，表现为NDVI值整体较小，NDVI时序曲线趋势与光照强度变化一致。因此，5种地表覆被中，城镇和水域的NDVI时序曲线最为相似。这可能为单季稻和双季稻、城镇和水域易混淆的原因之一。表7为MSMA算法验证结果。可以看到，各类地物错分事件分布基本与训练情况一致，仅是数目有所差别。在β值固定的条件下，单季稻和双季稻用户精度有所上升，分别为99.85%和96.50%，森林用户精度保持不变，城镇和水域用户精度有所下降，但基本稳定；对制图精度而言，5种地物均有所下降，其中双季稻最低，制图精度为88.13%，但仍然较为理想，单季稻制图精度最高，为96.84%。总体而言，MSMA模型训练和模型验证前后用户精度和制图精度保持稳定，说明了MSMA算法具有一定的稳健性，在地物分类领域具有操作的可行性。
为了进一步验证MSMA算法可靠性，本文同时检验了动态时间弯曲距离方法（DTW）对5种地物的分辨能力，使用的数据与MSMA算法验证样本相同，并使用分位数法作为阈值获取方式，在不同分位数水平下，各类样本错分情况如图3所示，用户精度及制图精度结果如表8所示。从表8可以看出，随着分位数的增长，制图精度随之增大，当分位数为95%时，制图精度均在90%以上；而对于用户精度，水域和单季稻表现较好，其他3种地物则基本在50%以下；5种地物中，唯有水域的用户精度和制图精度均保持较高水平，森林的用户精度最低，一直保持在10%以下，双季稻次之，保持在20%左右。由图3分析知，在从样本集中对森林进行识别时，存在大量的单季稻和双季稻样本被分为森林类别，在对单季稻进行识别时，则有大量的森林和双季稻被分为单季稻。而对于水域，各类地物则有着相对较小的错分比例，当分位数为90%以下时，水域错分为各类地物的比例均低于10%，各类地物被错分为水域的比例同样较低。可见，他类样本的大量错分是各类别用户精度低下的直接原因。
【参考文献】：
期刊论文
[1]一种利用多时相GF-4影像的快速水体提取方法[J]. 张伟,赵理君,唐娉,郑柯. 遥感信息. 2018(04)
[2]基于时间序列叶面积指数傅里叶变换的作物种植区域提取[J]. 王鹏新,荀兰,李俐,解毅,王蕾. 农业工程学报. 2017(21)
[3]基于MODIS时序NDVI主要农作物种植信息提取研究[J]. 郭昱杉,刘庆生,刘高焕,黄翀. 自然资源学报. 2017(10)
[4]基于时空数据融合的江汉平原水稻种植信息提取[J]. 陆俊,黄进良,王立辉,裴艳艳. 长江流域资源与环境. 2017(06)
[5]高分一号归一化植被指数时间序列用于冬小麦识别[J]. 张晶,占玉林,李如仁. 遥感信息. 2017(01)
[6]基于DTW距离的时序NDVI数据植被信息提取——以秦巴山区为例[J]. 韩晓勇,韩玲,陈鲁皖. 测绘工程. 2016(03)
[7]基于形态相似距离的时间序列相似度计算[J]. 李中,刘洋洋,张铁峰. 计算机工程与设计. 2016(03)
[8]基于GF-1 WFV影像的作物面积提取方法研究[J]. 黄健熙,贾世灵,武洪峰,苏伟. 农业机械学报. 2015(S1)
[9]华北平原2001-2011年冬小麦播种面积变化遥感监测[J]. 王学,李秀彬,谈明洪,辛良杰. 农业工程学报. 2015(08)
[10]动态时间弯曲技术支持下时序NDVI数据的耕地分布信息提取——以江苏省苏南地区为例[J]. 孙越凡,钟礼山,程亮,李满春. 资源科学. 2014(09)
硕士论文
[1]基于时间序列植被指数的水稻发育期提取和估产[D]. 李新星.浙江大学 2017
[2]基于相似涨落模式的时间序列预测研究[D]. 汤子健.合肥工业大学 2016
[3]基于遥感和气象数据的江苏省水稻面积监测和估产研究[D]. 汤斌.浙江大学 2016
本文编号：3344350
【文章来源】：遥感信息. 2020,35(02)北大核心CSCD
【文章页数】：11 页
【部分图文】：
经验模态分解示意图
对每种地物样本NDVI时序数据进行异常值剔除，之后进行取平均操作，获取5种地表覆被类型标准NDVI曲线如图2所示。分析发现，单季稻和双季稻所在耕地均为一年两季耕作模式，一年中会有2个时期为作物生长旺盛期，此阶段NDVI值最大，因而其NDVI时序曲线存在2个波峰；而由于森林的生长不同于作物的种植，其生长期较长，受人类活动影响较小，因此在一年中仅存在一个阶段为生长旺盛期，且该阶段较长，因此其NDVI时序曲线仅存在一个波峰，与作物差异明显，并且森林的NDVI值长期处于高值；相较于作物与森林，城镇和水域在时间上的光谱响应最为迟钝，其光谱响应的敏感程度较低，基本仅与光强的大小成正相关，表现为NDVI值整体较小，NDVI时序曲线趋势与光照强度变化一致。因此，5种地表覆被中，城镇和水域的NDVI时序曲线最为相似。这可能为单季稻和双季稻、城镇和水域易混淆的原因之一。表7为MSMA算法验证结果。可以看到，各类地物错分事件分布基本与训练情况一致，仅是数目有所差别。在β值固定的条件下，单季稻和双季稻用户精度有所上升，分别为99.85%和96.50%，森林用户精度保持不变，城镇和水域用户精度有所下降，但基本稳定；对制图精度而言，5种地物均有所下降，其中双季稻最低，制图精度为88.13%，但仍然较为理想，单季稻制图精度最高，为96.84%。总体而言，MSMA模型训练和模型验证前后用户精度和制图精度保持稳定，说明了MSMA算法具有一定的稳健性，在地物分类领域具有操作的可行性。
为了进一步验证MSMA算法可靠性，本文同时检验了动态时间弯曲距离方法（DTW）对5种地物的分辨能力，使用的数据与MSMA算法验证样本相同，并使用分位数法作为阈值获取方式，在不同分位数水平下，各类样本错分情况如图3所示，用户精度及制图精度结果如表8所示。从表8可以看出，随着分位数的增长，制图精度随之增大，当分位数为95%时，制图精度均在90%以上；而对于用户精度，水域和单季稻表现较好，其他3种地物则基本在50%以下；5种地物中，唯有水域的用户精度和制图精度均保持较高水平，森林的用户精度最低，一直保持在10%以下，双季稻次之，保持在20%左右。由图3分析知，在从样本集中对森林进行识别时，存在大量的单季稻和双季稻样本被分为森林类别，在对单季稻进行识别时，则有大量的森林和双季稻被分为单季稻。而对于水域，各类地物则有着相对较小的错分比例，当分位数为90%以下时，水域错分为各类地物的比例均低于10%，各类地物被错分为水域的比例同样较低。可见，他类样本的大量错分是各类别用户精度低下的直接原因。
【参考文献】：
期刊论文
[1]一种利用多时相GF-4影像的快速水体提取方法[J]. 张伟,赵理君,唐娉,郑柯. 遥感信息. 2018(04)
[2]基于时间序列叶面积指数傅里叶变换的作物种植区域提取[J]. 王鹏新,荀兰,李俐,解毅,王蕾. 农业工程学报. 2017(21)
[3]基于MODIS时序NDVI主要农作物种植信息提取研究[J]. 郭昱杉,刘庆生,刘高焕,黄翀. 自然资源学报. 2017(10)
[4]基于时空数据融合的江汉平原水稻种植信息提取[J]. 陆俊,黄进良,王立辉,裴艳艳. 长江流域资源与环境. 2017(06)
[5]高分一号归一化植被指数时间序列用于冬小麦识别[J]. 张晶,占玉林,李如仁. 遥感信息. 2017(01)
[6]基于DTW距离的时序NDVI数据植被信息提取——以秦巴山区为例[J]. 韩晓勇,韩玲,陈鲁皖. 测绘工程. 2016(03)
[7]基于形态相似距离的时间序列相似度计算[J]. 李中,刘洋洋,张铁峰. 计算机工程与设计. 2016(03)
[8]基于GF-1 WFV影像的作物面积提取方法研究[J]. 黄健熙,贾世灵,武洪峰,苏伟. 农业机械学报. 2015(S1)
[9]华北平原2001-2011年冬小麦播种面积变化遥感监测[J]. 王学,李秀彬,谈明洪,辛良杰. 农业工程学报. 2015(08)
[10]动态时间弯曲技术支持下时序NDVI数据的耕地分布信息提取——以江苏省苏南地区为例[J]. 孙越凡,钟礼山,程亮,李满春. 资源科学. 2014(09)
硕士论文
[1]基于时间序列植被指数的水稻发育期提取和估产[D]. 李新星.浙江大学 2017
[2]基于相似涨落模式的时间序列预测研究[D]. 汤子健.合肥工业大学 2016
[3]基于遥感和气象数据的江苏省水稻面积监测和估产研究[D]. 汤斌.浙江大学 2016
本文编号：3344350
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3344350.html
